AI导航

Prime Agent 用 Rust 重写完成:2000 多个智能体两周重写了自己

AI资讯
3 min read
2 次阅读

Prime Agent 在 2026 年 10 月 9 日完成了一次特别的版本更新:Prime Intellect 发布了用 Rust 从零重写的 Prime Agent,而这次重写主要不是人类工程师手写的——是 Prime Agent 自己编排 2000 多个智能体,在两周内把自己从 TypeScript 迁移到了 Rust。Prime Agent 是 Prime Intellect 的编程智能体框架,今年 8 月上线以来下载量已超过 30 万次,累计处理了超过 8 万亿个 token。

重写的规模:智能体群给自己换了地基

按 Prime Intellect 官方博客公布的数据,整个过程动用了 2209 个智能体、16758 条智能体之间的消息,总共消耗约 2287 亿个 token,运行在 1 万多个 Prime Sandboxes 沙盒环境中,模型调用走的是其推理服务上的 GLM-5.3 接口。其中约 1981 个智能体负责主体重写,另有 228 个智能体专门做性能优化。重写组的工作方式是先让子智能体对依赖做拓扑排序,用有限状态机约束循环计算和正确性检查,再逐模块迁移。

换语言的收益落在实处:新版启动更快、占用资源更少,同时补上了 Windows 支持、会话崩溃隔离和更模块化的代码结构,守护进程协议也做了统一。

敢让智能体自己改代码,先要有能判对错的尺子

这次迁移真正值得看的不是用了多少智能体,而是人类工程师把主要精力放在了搭建验证体系上。团队给四类一致性各做了一套客观校验:界面一致性用差分测试把 TypeScript 版和 Rust 版放在同一脚本模型下逐帧对比终端画面;框架一致性对比两版生成的会话记录和发给模型的请求;协议一致性逐条核对守护进程的消息类型;功能一致性则让智能体逐个组件审计旧版功能,标记为一致、部分一致或缺失。

有了这些自动判分标准,智能体群才能自己衡量进度、合并前拦住回归,人类才敢减少逐行审查。Prime Intellect 也坦承,剩余的缺陷和行为差异大多是靠内部实际使用才发现的,后续补功能和打磨界面仍少不了人。

为什么非要换成 Rust

团队给出的理由集中在三点。一是性能:Prime Agent 是长期运行的守护进程,每个会话还要起一个工作进程,Rust 没有垃圾回收器,内存和启动速度的优势直接转化成体感。二是并发:一个守护进程要同时流式输出模型结果、执行工具调用、在智能体之间中转消息并服务多个客户端,Rust 的 Send 和 Sync 特性可以让编译器在编译期就检查哪些数据能跨线程。三是编译期保证:穷举枚举、所有权和生命周期规则能在代码运行之前排除整类错误,这对主要由智能体写代码的项目尤其重要,出错的成本要在合并前拦住,而不是上线后。

对其他团队的启发和边界

这个案例给想用智能体群做大型迁移的团队提供了一个可复制的顺序:先把验证和判分标准搭好,再放手让智能体并行干活;人的角色从写代码转向定标准、看例外。边界同样明显:2287 亿个 token 的消耗不是普通项目能承受的,小型代码库或者没有差分测试条件的团队照搬只会烧钱。更适合的做法是先在单个模块上试一轮小规模迁移,把校验链路跑通,再决定要不要扩大。

推荐工具

NVIDIA Chat with RTX AI聊天 Chat with RTX 是 NVIDIA 面向 RTX 电脑的本地 AI 聊天工具,可围绕本地文档和视频资料做问答,适合重视隐私、离线检索并具备硬件条件的用户更适合资料不便上传云 HuggingChat AI聊天 HuggingChat 是 Hugging Face 的开源模型聊天应用,支持 Omni 自动选模型,也可手动选社区开放模型对话。它适合体验开源模型、技术探索和问答,结果可能不稳定,重要内容需复核。 纳米AI搜索 AI搜索 纳米AI 是 360 旗下 AI 搜索和智能体入口,支持文字、语音、拍照提问、多模型协作与内容创作,适合中文用户做日常搜索、学习问答、移动查询、热点追踪、生活决策、知识整理和轻量创作。 Qwen Chat(通义千问) AI聊天 Qwen Chat 是Qwen 大模型聊天助手,支持Qwen 模型聊天、写作和编程问答,适合中文用户和开发者完成 AI 对话、资料问答和任务协作,适合上线前核对权限、成本和资料质量。 DuckDuckGo AI Chat AI聊天 DuckDuckGo AI Chat 适合重视隐私的普通用户使用,围绕隐私 AI 聊天、免账户使用和多模型问答提供对话式 AI 支持和任务协作能力,适合上线前核对权限、成本和资料质量。 Goody-2 AI聊天 Goody-2 是以极端安全和伦理对齐为特色的 AI 聊天助手,常用于观察模型拒答边界、内容安全策略、保守输出体验和 AI 风险讨论,更适合作为安全边界样本使用前应理解它偏实验性质,不适合。